
MacBook Pro z podstawowym M6 czy starszy model Mx z dopiskiem Pro? Przy wyborze komputera do zdjęć, wideo i lokalnych modeli językowych sama nazwa procesora kilka ułatwia. Do zestawienia dołącza więc 14-calowy MacBook Pro M6 z 32 GB RAM i SSD 1 TB. Sprawdźmy, w których zadaniach taka konfiguracja skraca czekanie, a w których przez cały czas warto patrzeć na inne Maki.
Specyfikacja i cena

Testowana konfiguracja to MacBook Pro 14” z Apple M6, 32 GB zunifikowanej pamięci RAM oraz SSD 1 TB. Według specyfikacji Apple M6 ma 12-rdzeniowe CPU – dwa super rdzenie, cztery wydajnościowe i sześć energooszczędnych – oraz 12-rdzeniowe GPU. Dla wariantu z 32 GB RAM producent podaje przepustowość pamięci 170 GB/s. Ekran Liquid Retina XDR ma przekątną 14,2 cala i rozdzielczość 3024 × 1964 piksele. Komputer pracuje pod kontrolą macOS Golden Gate 27.2.1.

W polskim sklepie Apple konfiguracja z M6, 32 GB RAM, SSD 1 TB i standardowym wyświetlaczem kosztuje 12 499 zł brutto, bez zasilacza i płatnych aplikacji profesjonalnych.
SSD
| MacBook Air 13,3” (late 2020) Apple M1 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
2165 | 2716 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
5591 | 7409 |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
1473 | 1714 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
3456 *AmorphousDiskMark |
3648 *AmorphousDiskMark |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
4945 | 6215 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
3015 | 2808 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
6776 *AmorphousDiskMark |
7692 *AmorphousDiskMark |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
2922 | 3293 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
5621 | 8244 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
2918 | 3400 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
5080 | 4090 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
5419 | 6760 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
3000 | 3341 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
2915 (AmorphousDiskMark: 3228) |
3293 (AmorphousDiskMark: 3362) |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
2925 (AmorphousDiskMark: 2969) |
2045 (AmorphousDiskMark: 2076) |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
5052 (AmorphousDiskMark: 5799) |
6361 (AmorphousDiskMark: 7098) |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
6738 | 6540 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
1551 | 1308 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
13102 | 12854 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
13157 | 12880 |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB |
6029,9 | 6105,7 |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB |
12329,0 | 12288,1 |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB |
5812,2 | 6506,5 |
Analiza
Zapis osiąga 6506,5 MB/s, a odczyt 5812,2 MB/s. W powtórzeniach odczyt wahał się od 5215,0 do 5911,6 MB/s, a zapis od 5848,7 do 6581,1 MB/s. To spory rozrzut, który warto mieć na uwadze przy niewielkich różnicach między komputerami.
W porównaniu z Maciem mini M6 z 24 GB RAM i SSD 512 GB odczyt jest niższy o około 3,6%, a zapis wyższy o około 6,6%. Tak mała różnica nie daje mocnego argumentu za wyborem jednego z tych komputerów. Ciekawsze okazuje się zachowanie w Lightroomie: laptop, mimo niższego odczytu w Blackmagicu, kończy import zdjęć wcześniej.
MacWhisper
Jeśli chcecie wykonać własne testy w MacWhisper, to najpierw pobierzcie pliki audio dla Nadgryzieni nr 300 (bezpośredni link 8,9 MB) i dla nr 447 (bezpośredni link 83,7 MB), potem wykonajcie test stosując modele:
- Large (V2) (ggml-model-whisper-large) 3 GB
- Openai Whisper-Large-V3-V20240930 Turbo (openai_whisper-large-v3-v20240930_turbo) 1,6 GB
- Openai Whisper-Large-V3 Turbo (openai_whisper-large-v3_turbo) 3,1 GB
… a potem podeślijcie mi takie informacje, jakie znajdziecie w tabelce, w tym pełna specyfikacja komputera. Niepełne zgłoszenia będą odrzucane. Podpowiem jeszcze, iż MacWhisper wyświetla ile zajęło mu wykonanie transkrypcji po jej zakończeniu.

*Niestandardowy config MacWhisper oznacza wejście w jego ustawienia → Zaawansowane → Parakeet / WhisperKit i ustawienie Text Decoder na GPU, włączenie Enable Voice Activity Detection (VAD) oraz przesunięcie Concurrent Workers na 64.
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
01:33 v6.8 (680) |
14:56 v6.8 (680) |
11:40 / 13:05* v12.18.3 (1293) *niestandardowy config MacWhisper |
— |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
00:53 v6.8 (680) |
09:03 v6.8 (680) |
— | — |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
01:59 v7.7 (735) |
20:18 v7.7 (735) |
— | — |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
1:07 v10.8.1 (1045) |
11:01 v10.8.1 (1045) |
— | — |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
1:04 v10.8.1 (1045) |
10:29 v10.8.1 (1045) |
— | — |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
01:51 v11.2.1 (1128) |
17:52 v11.2.1 (1128) |
— | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
01:51 v12.1.1 (1219) |
19:47 v12.1.1 (1219) |
— | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
01:59 v12.5 (1235) |
21:06 v12.5 (1235) |
— | — |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
00:40 v12.5 (1235) |
06:34 v12.5 (1235) |
— | — |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
01:23 v12.18.3 (1293) |
13:25 v12.18.3 (1293) |
06:28 v12.18.3 (1293) |
— |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
4:27 v13.17 (1402) |
42:46 v13.17 (1402) |
10:47 v13.17 (1402) |
— |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
0:51 v13.17 (1402) 00:54 v13.18 (1403) |
8:08 v13.17 (1402) 08:09 v13.18 (1403) |
7:18 v13.17 (1402) 7:08 v13.18 (1403) 2:19* v13.18 (1403) |
— |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
0:33 v13.17 (1402) 0:33 v13.18 (1403) |
5:25 v13.17 (1402) 05:28 v13.18 (1403) |
7:18 v13.17 (1402) 7:16 v13.18 (1403) 2:12* v13.18 (1403) |
— |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB |
1:19 v15.1.1 (1513) |
11:08 v15.1.1 (1513) |
4:42 v15.1.1 (1513) |
13:25 v15.10 (1590) |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB |
0:44 v15.10 (1591) |
5:21 v15.10 (1591) |
3:58 v15.10 (1591) |
18:20 v15.10 (1591) |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB |
1:06 v15.10 (1591) |
09:47 v15.10 (1591) |
3:07 v15.10 (1591) |
14:00 v15.10 (1591) |
Analiza
Nadgryzieni 300 w Large V2 zajęło 1:06. MacBook Pro M5 z 16 GB RAM i SSD 1 TB potrzebował 1:23, więc M6 skraca czas o około 20,5%. Względem Maca mini M6 z 24 GB RAM i SSD 512 GB, który uzyskał 1:19, oszczędność wynosi około 16,5%. Przy pojedynczym krótkim nagraniu nie jest to wielki zysk, ale przy regularnym transkrybowaniu różnica zaczyna się sumować.
Więcej zyskają właściciele MacBooka Air 15,3” z M3, 16 GB RAM i SSD 512 GB: jego 1:59 oznacza skrócenie czasu w M6 o około 44,5%. Z kolei MacBook Pro z M3 Max, 128 GB RAM i SSD 8 TB uzyskał 0:53, a M4 Pro z 48 GB RAM i SSD 2 TB – 1:04. Dla posiadaczy tych dwóch maszyn ten test nie daje argumentu za wymianą na podstawowy M6.
Dłuższe nagranie 447 zajęło na nowym MacBooku 09:47 w Large V2, 3:07 w V3 Turbo 1,6 GB i 14:00 w V3 Turbo 3,1 GB. Ostatni wariant potrzebował około 4,5 raza tyle czasu co wersja 1,6 GB – dodatkowe 10 min 53 s przy jednym nagraniu. To duża różnica, szczególnie gdy transkrypcje są stałą częścią pracy.
iMag Final Cut Pro Benchmark
Specyfikacja
Final Cut Pro jest oczywiście zoptymalizowany pod macOS-a i Maki oraz nie wątpię, iż Apple dołożyło wszelkich starań, aby wzorowo pracował na wszystkich odmianach Apple M1 i M2. To oczywiście działa przede wszystkim na korzyść klientów, którzy już dzisiaj zdecydują się przesiąść na nową generację Maków, opartych o ARM.
Pliki
- Klip 4K 60 fps HDR w 10-bitowym HEVC (H.265) z iPhone’a 12 Pro Max – 31,15 s.
- Klip 4K 30 fps SDR w 8-bitowym AVC z DSLR Canona – 2:14,15 s.
- Klip 1080p 30 fps HDR w 10-bitowym HEVC (H.265) z iPhone’a 12 Pro Max – 3:42,21 s.
Szczegóły projektów
- Biblioteka w FCP ustawiona na Wide Gamut HDR.
- Projekty ustawione na 4K (3840×2160) 30 fps HDR przy Rec. 2020 PQ.
- iMag FCP Benchmark Easy – na timeline wrzucone 3 powyższe pliki, w kolejności jak powyżej, w każdym klipie podbita saturacja o 5% (co powinno wymusić przerenderowanie każdej klatki) oraz HDR Tools (PQ Tone Output Map i 1000 nit pod YouTube’a).
- iMag FCP Benchmark Hardcore – j.w. ale dodatkowo filtr Sharpen (+2,5) na każdym klipie, przejścia między klipami (cross disolve) oraz animujący się przez 60 sekund 3D Title nad środkowym klipem, z przeźroczystym tłem.
- Timeline trwa 6:27,16 s w Easy i 6:28,16 s w Hardcore (dodatkowe przejścia).
- iMag FCP Benchmark Easy – export do Master File → ProRes 422.
- iMag FCP Benchmark Easy – export do Master File → H.264.
- iMag FCP Benchmark Hardcore – export do Master File → ProRes 4444.
- iMag FCP Benchmark Hardcore – export do Master File → H.265 (Social Platforms, 10-bit HEVC).
- Komputery były podłączone do prądu, poza MacBookiem Pro 16” (late 2021) i późniejszymi opartymi o Apple Silicon, które pracowały na baterii.
Uwaga! Wszystkie benchmarki MacBooków z Apple Silicon robione były na baterii, z odłączonym zasilaniem!
Wyniki
| NLEstation 2020 Core i9-9900K 3,6 GHz (8-core, 16-thread) AMD 5700 XT 64 GB RAM |
131,30 s | 295,25 s | 192,49 s | — |
| MacBook Pro 13″ (late 2016) Core i5 2,0 GHz (2-core, 4-thread) HD Graphics 530 16 GB | 256 GB |
682,99 s | 553,43 s | 1440,18 s | — |
| MacBook Air 13″ (late 2020) Apple M1 8-core CPU (6+2) 7-core GPU 8 GB RAM | 256 GB |
141,61 s | 401,23 s | 287,44 s | — |
| MacBook Pro 16,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 16 GB RAM | 512 GB |
50,21 s | 235,91 s | 119,40 s | — |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
49,03 s | 235,40 s | 119,34 s | — |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
192,29 s | 260,21 s | DNF | — |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
56,55 s | 244,61 s | 112,40 s | — |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
47,88 s | 241,43 s | 107,51 s | — |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
90,77 s | 259,90 s | 133,41 s | — |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
24,30 s | 129,30 s | 48,38 s | — |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
61,97 s | 250,84 s | 131,50 s | — |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
27,93 s | 126,97 s | 52,42 s | — |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
88,68 s | 257,68 s | 139,95 s | — |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
47,30 s | 188,06 s | 95,22 s | — |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
32,30 s | 188,17 s | 53,40 s | — |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
109,71 s | 195,28 s | 129,12 s | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
109,72 s | 196,49 s | 129,11 s | — |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
117,68 s | 195,33 s | 128,17 s | 216,85 s |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
19,50 s | 111,78 s | 30,97 s | 100,94 s |
| MacBook Pro 14,2” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
42,59 s | 169,31 s | 89,54 s | 175,54 s |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
110,58 s | 248,02 s | 210,84 s | 312,07 s |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
26,72 s | 162,46 s | 42,77 s | 179,99 s |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
23,17 s | 96,98 s | 35,60 s | 92,96 s |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB |
— | 125,42 s | — | 151,36 s |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB |
— | 96,72 s | — | 90,34 s |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB |
— | 122,71 s | — | 123,90 s |
Analiza
Easy H.264 zajął 122,71 s, a Hardcore H.265 – 123,90 s. Względem MacBooka Pro M5 z 16 GB RAM i SSD 1 TB czasy są krótsze o około 27,5% i 29,4%. To odpowiednio 46,60 s oraz 51,64 s mniej czekania na każdy z tych eksportów. jeżeli wykonujecie je często, taki zysk ma już praktyczne znaczenie.
Jeszcze większą zmianę zobaczą użytkownicy starszych Airów. W Easy H.264 MacBook Air 13,6” z M2, 8 GB RAM i SSD 256 GB uzyskał 260,21 s, a Air 15,3” z M3, 16 GB RAM i SSD 512 GB – 257,68 s. Nowy MacBook Pro skraca te czasy o około 52,8% oraz 52,4%. W tym eksporcie przesiadka z obu konfiguracji oznacza więc ponad dwukrotnie krótsze czekanie.
M6 kończy też wcześniej niż 16-calowy MacBook Pro z M5 Pro, 64 GB RAM i SSD 4 TB: o około 24,5% w H.264 i 31,2% w H.265. PROLED XDR z M5 Max, 32-rdzeniowym GPU, 36 GB RAM i SSD 2 TB przez cały czas jest jednak szybszy, z wynikami 96,72 s oraz 90,34 s. Względem niego M6 potrzebuje około 26,9% i 37,1% więcej czasu. Przy częstym eksporcie wideo przewaga Maxa pozostaje wyraźna.
Lightroom Classic
![]()
- Zdjęć miałem 271, były w formacie RAW i zajmowały ok. 24 GB na karcie SanDisk Extreme Pro 256 GB, która według producenta zapewnia odczyt i zapis w rejonie 95 MBps.
- LR Import v1: Test importu polegał na kopiowaniu zdjęć z karty SD na SSD (lub HDD) i jednoczesnym tworzeniu podglądu RAW-ów w 1:1.
LR Import v2: Test importu polegał na dodaniu zdjęć z SSD komputera do biblioteki Lightroom z opcją Kopiuj z jednoczesnym tworzeniu podglądu RAW-ów w 1:1. - Test eksportu polegał na eksporcie zdjęć z SSD na SSD, w sRGB, z wyostrzaniem „standard”, w oryginalnej rozdzielczości.
LR Import v1 i v2 – wyniki
| NLEstation 2014 (import na HDD) | 16:22 |
| NLEstation 2014 (import na SSD) | 14:56 |
| NLEstation 2020 (import na SSD) | 6:12 |
| MacBook Pro 16,2” (import na SSD) Core i7 2,6 / 4,5 GHz (late 2019) |
10:28 |
| MacBook Air (import na SSD) Core i3 1,1 / 3,2 GHz (early 2020) |
31:03 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
5:06,31 (bez pełnej akceleracji) 5:04,13 (z pełną akceleracją) |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
9:26 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
5:01,25 |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
4:23,19 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
8:02,96 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
4:35,38 |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
6:28,11 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
2:18,56 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
6:53,86 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
3:28,12 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
2:13,15 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
5:43,28 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
6:06,40 |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
6:13,44 |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
2:14,48 |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
Pomiar 1: 1:38,01 Pomiar 2: 1:20,73 Pomiar 3: 1:28,35 Pomiar 4: 1:40,55 Średnia: 1:31,91 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
12:48,71 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
44,44 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
46,65 |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB LR Import v2 |
1:59,97 |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB LR Import v2 |
1:02,68 |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB LR Import v2 |
1:23,34 |
Analiza
Import z podglądami 1:1 zajął 1:23,34. To około 9,3% mniej czasu niż średnia 1:31,91 MacBooka Pro M5 16 GB / 1 TB. Zysk jest jednak niewielki: wynik M6 mieści się w zakresie czterech prób M5, którego najlepszy czas wyniósł 1:20,73. Sama ta operacja nie uzasadnia wymiany poprzednika.
Na tle Maca mini M6 24 GB / 512 GB, z czasem 1:59,97, oszczędność wynosi około 30,5%. MacBook Pro M4 Pro 48 GB / 2 TB potrzebował 2:13,15, czyli M6 skrócił czas o około 37,4%. Jeszcze większy skok daje przejście z Aira 15,3” M3 16 GB / 512 GB: z 6:53,86 do 1:23,34, a więc o około 79,9% mniej czasu. Dla fotografa pracującego na takim Airze to znacznie mocniejszy argument niż drobna przewaga nad M5.
Wśród mocniejszych konfiguracji przez cały czas wyróżnia się M5 Pro 64 GB / 4 TB z czasem 44,44 s. Nowemu M6 import zajmuje około 87,5% więcej czasu.
LR Export – wyniki
| NLEstation 2014 (import z HDD na SSD) Core i7-4770K |
26:48 |
| NLEstation 2020 (import z SSD na SSD) Core i9-9900K |
8:45 |
| MacBook Pro 16,2” (late 2019) (import z SSD na SSD) Core i7 2,6 / 4,5 GHz |
21:13 |
| MacBook Air (early 2020) (import z karty SD na SSD) Core i3 1,1 / 3,2 GHz |
28:29 |
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
2:11,70 |
| MacBook Air 13,6” (mid 2022) Apple M2 8-core CPU (4+4) 8-core GPU 8 GB RAM | 256 GB |
12:05 |
| MacBook Pro 14,2” (early 2023) Apple M2 Pro 10-core CPU (6+4) 16-core GPU 16 GB RAM | 512 GB |
2:54,33 |
| Mac Mini (early 2023) Apple M2 Pro 12-core CPU (8+4) 19-core GPU 16 GB RAM | 1 TB |
2:57,17 |
| MacBook Air 15,3” (mid 2023) Apple M2 8-core CPU (4+4) 10-core GPU 16 GB RAM | 1 TB |
4:11,43 |
| Mac Studio (mid 2023) Apple M2 Max 12-core CPU (4+4) 38-core GPU 64 GB RAM | 2 TB |
59,67 |
| iMac (late 2023) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
3:45,69 |
| MacBook Pro 16,2” (late 2023) Apple M3 Max 16-core CPU (12+4) 40-core GPU 128 GB RAM | 8 TB |
2:15,74 |
| MacBook Air 15,3” (early 2024) Apple M3 8-core CPU (4+4) 10-core GPU 16 GB RAM | 512 GB |
5:19,08 |
| Mac Mini (late 2024) Apple M4 Pro 12-core CPU (8p+4e) 16-core GPU 24 GB RAM | 512 GB |
58,91 |
| MacBook Pro (late 2024) Apple M4 Pro 14-core CPU (10p+4e) 20-core GPU 48 GB RAM | 2 TB |
55,30 |
| iMac (late 2024) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
2:06,78 |
| MacBook Air 13″ (early 2025) Apple M4 10-core CPU (4p+6e) 10-core GPU 32 GB RAM | 2 TB |
2:33,95 |
| MacBook Air 13″ (early 2025) Apple M4 10-core GPU (4p+6e) 8-core GPU 16 GB RAM | 256 GB |
2:50,96 |
| Mac Studio (early 2025) Apple M4 Max 16-core CPU (12p+4e) 40-core GPU 128 GB RAM | 1 TB |
31,56 |
| MacBook Pro 14” (late 2025) Apple M5 10-core CPU (4p+6e) 10-core GPU 16 GB RAM | 1 TB |
Pomiar 1: 1:28,75 Pomiar 2: 1:46,26 Pomiar 3: 2:06,70 Pomiar 4: 1:46,98 Średnia: 1:47,17 |
| MacBook Neo (early 2026) Apple A18 Pro 6-core CPU (2p+4e) 5-core GPU 8 GB RAM | 256 GB |
10:16,69 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
1:19,78 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
1:20,66 |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB |
1:39,23 |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB |
1:36,65 |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB |
1:54,62 |
Analiza
W eksporcie kolejność się odwraca. M6 potrzebuje 1:54,62, czyli około 7,0% więcej czasu niż średnia 1:47,17 MacBooka Pro M5 oraz około 15,5% więcej niż Mac mini M6 z wynikiem 1:39,23. Właściciel M5 nie zyskuje tu na przesiadce; przewaga M6 przy imporcie nie powtarza się przy oddawaniu gotowych zdjęć.
Dla użytkownika MacBooka Pro 14,2” z M2 Pro, 16 GB RAM i SSD 512 GB zmiana jest korzystniejsza: zamiast 2:54,33 eksport trwa 1:54,62, czyli około 34,3% krócej. Nie dotyczy to jednak każdej starszej konfiguracji. MacBook Pro M4 Pro 48 GB / 2 TB kończy w 55,30 s. M6 potrzebuje około 2,1 raza tyle czasu, a więc o około 107,3% więcej. Przy regularnym eksporcie większych partii zdjęć M4 Pro pozostaje bardzo mocnym wyborem.
LR Adaptive Color – wyniki
| MacBook Pro 14,2” (late 2021) Apple M1 Pro 10-core CPU (8+2) 16-core GPU 32 GB RAM | 4 TB |
7:09,53 |
| MacBook Pro 16” (early 2026) Apple M5 Pro 18-core CPU (6s+12p) 20-core GPU 64 GB RAM | 4 TB |
1:07,26 |
| MacBook Pro 16” (early 2026) Apple M5 Max 18-core CPU (6s+12p) 40-core GPU 128 GB RAM | 4 TB |
1:08,62 |
| Mac mini (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 24 GB RAM | 512 GB |
1:47,83 |
| MacBook Pro 16” PROLED XDR (late 2026) Apple M5 Max 18-core CPU (6s+12p) 32-core GPU 36 GB RAM | 2 TB |
1:27,84 |
| MacBook Pro 14” (late 2026) Apple M6 12-core CPU (2s+4p+6e) 12-core GPU 32 GB RAM | 1 TB |
1:29,95 |
Analiza
Zastosowanie Koloru adaptacyjnego do 271 zdjęć zajęło 1:29,95. MacBook Pro M1 Pro 32 GB / 4 TB potrzebował 7:09,53, więc czas skrócił się o około 79,1% – o ponad pięć minut na tej partii. Właśnie w takim seryjnym zadaniu przesiadka ze starszego Maca może być mocno odczuwalna. Względem Maca mini M6 24 GB / 512 GB z czasem 1:47,83 zysk wynosi około 16,6%.
PROLED XDR z M5 Max 36 GB / 2 TB uzyskał 1:27,84. M6 potrzebował około 2,4% więcej czasu, ale w praktyce to zaledwie 2,11 s na 271 zdjęciach. Dla samego Koloru adaptacyjnego dopłata do mocniejszego komputera nie znajduje w tych wynikach przekonującego uzasadnienia.
iMag LLM Benchmark
Do całości dodałem nowy benchmark oparty o Llamę, który ma kilka wariantów zależnie od dostępnej pojemności RAM.
Przepis
- Instalujemy Brew (jeśli nie mamy) dzięki komendy w Terminalu:
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
- Teraz czas na install llamy:
brew install llama.cpp
- Tworzymy strukturę katalogów na ~/Desktop (~/Biurko):
mkdir -p ~/Desktop/LLM_Benchmark/models
cd ~/Desktop/LLM_Benchmark
- Pobieramy wybrany z następujących modeli z Hugging Face odpowiednio dla progów RAM – 8, 32, 64 i 128 GB:
- 8 GB RAM: Meta Llama 3.1 (8B) | bartowski/Meta-Llama-3.1-8B-Instruct-GGUF | Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf
- 32 GB RAM: Google Gemma 2 (27B) | bartowski/gemma-2-27b-it-GGUF | gemma-2-27b-it-Q4_K_M.gguf
- 64 GB RAM: Meta Llama 3.1 (70B) | bartowski/Meta-Llama-3.1-70B-Instruct-GGUF | Meta-Llama-3.1-70B-Instruct-Q4_K_M.gguf
- 128 GB RAM: Mistral Large 2 (123B) | bartowski/Mistral-Large-Instruct-2407-GGUF | Mistral-Large-Instruct-2407-Q4_K_M.gguf
- Wszystko co pobraliśmy przenosimy do:
~/Desktop/LLM_Benchmark/models
- Ponieważ Mistral Large 2 (123B) jest do pobrania w dwóch plikach, to upewniamy się, iż oba pliki są w tym samym folderze i wykonujemy poniższą komendę (to wykonujemy tylko jeżeli pobraliśmy ten konkretny model)…
llama-gguf-split --merge Mistral-Large-Instruct-2407-Q4_K_M-00001-of-00002.gguf model_128B_q4.gguf
- Pobieramy mój skrypt z mojego Google Drive do benchmarkowania i zapisujemy go w folderze ~/Desktop/LLM_Benchmark/
- Teraz musimy mu nadać uprawnienia:
chmod +x ~/Desktop/LLM_Benchmark/benchmark.sh
- Skrypt uruchamiamy z parametrem x, gdzie x = 8, 32, 64 lub 128:
./benchmark.sh x np. ./benchmark.sh 8
- Podczas wykonywania się benchmarka pilnujemy w Monitorze aktywności (Activity Monitor), żeby system nie wykorzystywał swap.
- Całość może trwać kilkanaście minut, więc cierpliwości.
- Pozamykajcie też wszystkie aplikacje poza Terminalem i Monitorem aktywności, żeby zwolnić maksymalnie dużo RAM-u.
Na MacBooku Pro M6 z 32 GB RAM testowany jest wariant Gemma 2 27B Q4_K_M z profilu 32 GB. Model zajmuje 15,50 GiB.
Wyniki
| model | size | params | backend | threads | test | t/s |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp1024 | 52.40 ą 0.36 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp4096 | 49.52 ą 1.57 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp8192 | 47.57 ą 0.08 |
| model | size | params | backend | threads | test | t/s |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | pp16 | 27.86 ą 0.02 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 8 | tg512 | 7.01 ą 0.00 |
| model | size | params | backend | threads | test | t/s |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp1024 | 201.79 ą 8.94 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp4096 | 161.59 ą 1.80 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp8192 | 137.77 ą 1.14 |
| model | size | params | backend | threads | test | t/s |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | pp16 | 92.32 ą 3.88 |
| llama 3B Q4_K – Medium | 1.87 GiB | 3.21 B | BLAS,MTL | 2 | tg512 | 19.85 ą 0.11 |
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp1024 | 107.72 ą 0.88 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp4096 | 100.90 ą 0.67 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp8192 | 90.26 ą 1.31 |
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp16 | 47.82 ą 0.04 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | tg512 | 6.46 ą 0.01 |
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp1024 | 186.11 ą 6.16 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp4096 | 160.52 ą 2.53 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp8192 | 133.85 ą 4.05 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp1024 | 98.27 ą 2.55 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp4096 | 81.64 ą 1.00 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp8192 | 74.11 ą 0.25 |
| model | size | params | backend | threads | test | t/s |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | pp16 | 77.82 ą 2.54 |
| llama 70B Q4_K – Medium | 39.59 GiB | 70.55 B | BLAS,MTL | 6 | tg512 | 9.97 ą 0.40 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | pp16 | 46.13 ą 0.48 |
| llama ?B Q4_K – Medium | 68.19 GiB | 122.61 B | BLAS,MTL | 6 | tg512 | 6.02 ą 0.14 |
| llama 8B Q4_K – Medium | 4.58 GiB | 8.03 B | BLAS,MTL | 2 | pp1024 | 807.13 ą 8.34 |
| llama 8B Q4_K – Medium | 4.58 GiB | 8.03 B | BLAS,MTL | 2 | pp4096 | 681.86 ą 6.08 |
| llama 8B Q4_K – Medium | 4.58 GiB | 8.03 B | BLAS,MTL | 2 | pp8192 | 560.55 ą 4.52 |
| llama 8B Q4_K – Medium | 4.58 GiB | 8.03 B | BLAS,MTL | 2 | pp16 | 125.66 ą 3.67 |
| llama 8B Q4_K – Medium | 4.58 GiB | 8.03 B | BLAS,MTL | 2 | tg512 | 27.58 ą 1.30 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 6 | pp1024 | 614.99 ą 0.35 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 6 | pp4096 | 568.88 ą 12.38 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 6 | pp8192 | 545.58 ą 5.21 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 6 | pp16 | 173.77 ą 0.45 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 6 | tg512 | 22.86 ą 0.44 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 2 | pp1024 | 225.85 ą 0.58 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 2 | pp4096 | 218.39 ą 0.47 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 2 | pp8192 | 209.31 ą 0.56 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 2 | pp16 | 70.21 ą 0.16 |
| gemma2 27B Q4_K – Medium | 15.50 GiB | 27.23 B | BLAS,MTL | 2 | tg512 | 8.65 ą 0.05 |
Analiza
M6 osiąga 225,85 t/s przy przetwarzaniu promptu pp1024 i 209,31 t/s dla pp8192. Wydłużenie kontekstu obniża więc przepustowość o około 7,3%. Znacznie wolniej przebiega generowanie tekstu: w tg512 jest to 8,65 ą 0,05 t/s. Po przeliczeniu tej przepustowości na 512 tokenów otrzymujemy około 59,2 s samego generowania.
W porównaniu z MacBookiem Pro M1 Pro z 32 GB RAM największy zysk widać przy wczytywaniu kontekstu Gemmy 2 27B: przepustowość pp1024 jest większa o około 331,0%, a pp8192 o około 340,0%. Generowanie tekstu poprawia się znacznie mniej – z 7,01 do 8,65 t/s, czyli o około 23,4%. M1 Pro pracował z ośmioma wątkami, a M6 z dwoma. W tych konfiguracjach przesiadka znacznie skraca przetwarzanie dłuższego wejścia, ale nie daje podobnie dużego skoku tempa odpowiedzi.
PROLED XDR z M5 Max, 36 GB RAM i sześcioma wątkami uzyskuje w tym samym wariancie Gemmy 614,99 t/s w pp1024 oraz 22,86 t/s w tg512. Wyniki M6 są niższe odpowiednio o około 63,3% i 62,2%. Przy regularnej pracy z Gemmą 27B warto więc rozważyć mocniejszą konfigurację: różnicę widać zarówno podczas przygotowywania kontekstu, jak i późniejszego generowania.
Podsumowanie
Najwięcej argumentów za zmianą dostają tutaj właściciele Airów z M2 i M3 oraz użytkownicy M1 Pro. W pierwszych dwóch konfiguracjach sprawdzony eksport H.264 trwa ponad dwa razy dłużej, a Air M3 wyraźnie odstaje też w imporcie zdjęć. Przy M1 Pro duży zysk daje Kolor adaptacyjny i przetwarzanie kontekstu Gemmy. To konkretne operacje, na których można odzyskać czas, jeżeli często je wykonujecie.
Wymiana MacBooka Pro M5 jest mniej oczywista. M6 skraca oba sprawdzone eksporty w Final Cut Pro, ale w Lightroomie daje niewielką poprawę importu i dłuższy eksport. właściciel M4 Pro ma jeszcze mniej powodów do zmiany pod kątem zdjęć, skoro jego komputer eksportuje tę partię znacznie szybciej. Natomiast do regularnej pracy z Gemmą 27B mocniejszy Max pozostaje znacznie lepszą propozycją niż podstawowy M6. Wybierałbym więc według tego, na zakończenie której pracy czekacie najczęściej.
Jeśli artykuł MacBook Pro 14” M6 (late 2026) z 32 GB RAM i 1 TB SSD – benchmarki w Final Cut Pro, Lightroom, MacWhisper, LLM i innych nie wygląda prawidłowo w Twoim czytniku RSS, to zobacz go na iMagazine.

8 godzin temu






